Die Studierenden erhalten die Aufgabenstellung in Form eines Materialdesigns für Prüfkörper aus Faserverbundwerkstoffen. Technische und normative Anforderungen sind in der Aufgabenstellung aufgeführt, alle weiteren benötigten Informationen stammen aus den Vorlesungen und Übungen bzw. den entsprechenden Unterlagen (elektronisch und im Gespräch).
Das Vorgehen ist in einem Meilensteinplan festgelegt und ermöglicht es den Studierenden, Teilaufgaben zu planen und so kontinuierlich zu arbeiten. Am Ende des Projekts wurden verschiedene Probekörper im Zug- oder Biegeversuch geprüft.
In den einzelnen Projektbesprechungen wird die Konzeption (Diskussion der Anforderungen und Risiken) hinterfragt. Die Berechnungen werden analysiert, die Produktionsmethoden werden bewertet und festgelegt. Die Werkstoffe werden ausgewählt und die Probekörper normgerecht hergestellt. Die Qualität und die mechanischen Eigenschaften werden geprüft und klassifiziert. Am Ende wird ein Abschlussbericht erstellt und die Ergebnisse werden allen Teilnehmern in Form einer Präsentation vorgestellt und diskutiert.
Leistungsnachweis:
m1343-2021 - Aufbau und Eigenschaften der Faser-Kunststoff-Verbunde<ul><li>p1232-2021 - Aufbau und Eigenschaften der Faser-Kunststoff-Verbunde: Klausur schriftlich</li></ul>
ECTS-Kreditpunkte:
2
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: unbekanntes Institut
In Stud.IP angemeldete Teilnehmer: 1
Betreute Abschlussarbeiten
laufende
beendete
2021
Hund, P. (2021). Modellierung eines elektrischen Netzes zur Demonstration des Einflusses von virtueller Trägheit durch umrichterbasierte Energieanlagen.
Hund, P. (2021). Koordinierte Bereitstellung von virtueller Trägheit durch erneuerbare umrichterbasierte Energieanlagen in Verteilnetzen mithilfe von künstlicher Intelligenz.
Möller, P. (2021). Erfassung der Knotenspannung in Niederspannungsnetzen auf Basis von dezentralen Messeinrichtungen mithilfe von Machine learning.
Plant, R. (2021). Estimation of Power System Inertia in an Inverter-Dominated Distribution Grid Using Machine Learning.
2020
Dressel, M. (2020). Modellierung der Zustandsschätzung eines elektrischen Netzes mit Hilfe von Graph neuronalen Netzen.
Schmidt, M. (2020). Vorhersage von zuverlässig bereitstellbarer Regelleistung aus Erneuerbaren Energien mithilfe von neuronalen Netzen.